科兴是个加班的好地方
食堂、小吃、外卖、奶茶、美食店，长胖是家常
科兴是个加班的好地方
帅哥、靓女、大叔、大妈，各各积极又向上
科兴是个加班的好地方
电梯慢，排队长，回家难
科兴是个加班的好地方
22点打车车比人多，堵得慌，要不，再加会班
spark中的stage和task
提交spark任务之后，在yarn中可以看到以下任务页面：
我们需要分析每个job的执行情况，所以需要弄清楚stage、task的分配。在spark中RDD生成的任务构成DAG，由DAGScheduler管理，RDD可以切分成不同的stage，每个stage提交到taskScheduler进行调度执行，每个task由executor执行。总体如下图：
executor的资源配置决定了总体的执行效率。计算较慢可以观察executor的总体资源占用情况。
FM最详尽的解析，非常不错
https://zhuanlan.zhihu.com/p/37963267
FFM复杂度较高，大规模计算代价有点高，怀疑工程价值..
蒙特卡洛方法
基本思想
通常蒙特卡罗方法可以粗略地分成两类：
一类是所求解的问题本身具有内在的随机性，借助计算机的运算能
力可以直接模拟这种随机的过程。例如在核物理研究中，分析中子
在反应堆中的传输过程。中子与原子核作用受到量子力学规律的制
约，人们只能知道它们相互作用发生的概率，却无法准确获得中子
与原子核作用时的位置以及裂变产生的新中子的行进速率和方向。
科学家依据其概率进行随机抽样得到裂变位置、速度和方向，这样
模拟大量中子的行为后，经过统计就能获得中子传输的范围，作为
反应堆设计的依据。
另一种类型是所求解问题可以转化为某种随机分布的特征数，比如
随机事件出现的概率，或者随机变量的期望值。通过随机抽样的方
法，以随机事件出现的频率估计其概率，或者以抽样的数字特征估
算随机变量的数字特征，并将其作为问题的解。这种方法多用于求
解复杂的多维积分问题。求解流程
1、待求解问题建模为一个概率随机过程
2、构造符合1随机过程的随机数。一般从已知概率分布，比如均匀分布，构造随机抽样样本
3、设计评估量，即设定2构造随机抽样过程的终止条件。
搬到科兴科学园
2020.10.30，正式在科兴办公。
在鹅厂，2年内不搬迁是比较难的，特别是新业务，楼层内移动比较常见。印象中在腾大片区办公搬迁频率稍微少一点，大约半年一次。而来到滨海大厦之后，搬迁次数有些多，团队持续在扩张，toc业务中心来到了科兴。
科兴的G层如同大商场一样，有各色各样的饭馆，竞争特别激烈，如果每天下一次馆子，可以一两个月不重样的。减肥之路，顿然觉得有些坎坷了。